聚合(Aggregate)函数的输入与输出是多对一的关系,即将多条输入记录聚合成一条输出值,可以与MaxCompute SQL中的group by语句配合使用。本文为您提供MaxCompute SQL支持的聚合函数的命令格式、参数说明及示例,指导您使用聚合函数完成开发。

MaxCompute SQL支持的聚合函数如下。

函数 功能
AVG 计算平均值。
COUNT 计算记录数。
COUNT_IF 计算指定表达式为True的记录数。
MAX 计算最大值。
MIN 计算最小值。
MEDIAN 计算中位数。
STDDEV 计算总体标准差。
STDDEV_SAMP 计算样本标准差。
SUM 计算汇总值。
WM_CONCAT 用指定的分隔符连接字符串。
ANY_VALUE 在指定范围内任选一个值返回。
APPROX_DISTINCT 返回输入的非重复值的近似数目。
ARG_MAX 返回指定列的最大值对应行的列值。
ARG_MIN 返回指定列的最小值对应行的列值。
COLLECT_LIST 将指定的列聚合为一个数组。
COLLECT_SET 将指定的列聚合为一个无重复元素的数组。
NUMERIC_HISTOGRAM 统计指定列的近似直方图。
PERCENTILE_APPROX 计算近似百分位数,适用于大数据量。

示例数据

为便于理解各函数的使用方法,本文为您提供源数据,基于源数据提供函数相关示例。创建表emp,并添加数据,命令示例如下:
create table if not exists emp
   (empno bigint,
    ename string,
    job string,
    mgr bigint,
    hiredate datetime,
    sal bigint,
    comm bigint,
    deptno bigint);
tunnel upload emp.txt emp;
emp.txt中的数据如下:
7369,SMITH,CLERK,7902,1980-12-17 00:00:00,800,,20
7499,ALLEN,SALESMAN,7698,1981-02-20 00:00:00,1600,300,30
7521,WARD,SALESMAN,7698,1981-02-22 00:00:00,1250,500,30
7566,JONES,MANAGER,7839,1981-04-02 00:00:00,2975,,20
7654,MARTIN,SALESMAN,7698,1981-09-28 00:00:00,1250,1400,30
7698,BLAKE,MANAGER,7839,1981-05-01 00:00:00,2850,,30
7782,CLARK,MANAGER,7839,1981-06-09 00:00:00,2450,,10
7788,SCOTT,ANALYST,7566,1987-04-19 00:00:00,3000,,20
7839,KING,PRESIDENT,,1981-11-17 00:00:00,5000,,10
7844,TURNER,SALESMAN,7698,1981-09-08 00:00:00,1500,0,30
7876,ADAMS,CLERK,7788,1987-05-23 00:00:00,1100,,20
7900,JAMES,CLERK,7698,1981-12-03 00:00:00,950,,30
7902,FORD,ANALYST,7566,1981-12-03 00:00:00,3000,,20
7934,MILLER,CLERK,7782,1982-01-23 00:00:00,1300,,10
7948,JACCKA,CLERK,7782,1981-04-12 00:00:00,5000,,10
7956,WELAN,CLERK,7649,1982-07-20 00:00:00,2450,,10
7956,TEBAGE,CLERK,7748,1982-12-30 00:00:00,1300,,10

过滤条件表达式

  • 使用限制
    • 仅MaxCompute内置的聚合函数支持添加过滤条件表达式,自定义聚合函数UDAF暂不支持。
    • count(*)不能与过滤条件表达式同时使用,请使用COUNT_IF函数。
  • 命令格式
    <aggregate_name>(<expression>[,...]) [filter (where <where_condition>)]
  • 命令说明

    聚合函数都可以增加过滤条件表达式。如果指定了过滤条件,则只有满足过滤条件的行数据才会传给对应的聚合函数进行处理。

  • 参数说明
    • aggregate_name:必填。聚合函数名称,请根据实际需求选择下方的聚合函数。
    • expression:必填。聚合函数的参数。请根据各个聚合函数的参数说明填写。
    • where_condition:可选。过滤条件。更多过滤条件信息,请参见WHERE子句(where_condition)
  • 返回值说明

    请参见各个聚合函数的返回值说明。

  • 使用示例
    select sum(sal) filter (where deptno=10), sum(sal) filter (where deptno=20), sum(sal) filter (where deptno=30) from emp;
    返回结果如下:
    +------------+------------+------------+
    | _c0        | _c1        | _c2        |
    +------------+------------+------------+
    | 17500      | 10875      | 9400       |
    +------------+------------+------------+

AVG

  • 命令格式
    double avg(double <colname>)
    decimal avg(decimal <colname>)
  • 命令说明

    计算平均值。

  • 参数说明

    colname:必填。列值可以为DOUBLE或DECIMAL类型。如果输入为STRING或BIGINT类型,会隐式转换为DOUBLE类型后参与运算,其它类型返回报错。当colname值为NULL时,该行不参与计算。BOOLEAN类型不允许参与运算。

  • 返回值

    如果输入DECIMAL类型,返回DECIMAL类型。输入其他合法的类型时,会返回DOUBLE类型。

  • 示例
    • 示例1:计算所有职工的平均薪资(sal)。命令示例如下:
      select avg(sal) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | 2222.0588235294117 |
      +------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,计算各部门员工的平均薪资(sal)。命令示例如下:
      select deptno, avg(sal) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | 2916.6666666666665 |
      | 20         | 2175.0     |
      | 30         | 1566.6666666666667 |
      +------------+------------+

COUNT

  • 命令格式
    bigint count([distinct|all] <value>)
  • 命令说明

    计算记录数。

  • 参数说明
    • distinct|all:可选。表示在计数时是否去除重复记录,默认为all,即计算全部记录。如果指定distinct,则只计算唯一值数量。
    • colname:必填。列值可以为任意类型。当colname值为NULL时,该行不参与计算。colname可以为*,即count(*),返回所有行数。
  • 返回值说明

    返回BIGINT类型。

  • 示例
    • 示例1:计算所有部门的总职工人数。命令示例如下:
      select count(*) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | 17         |
      +------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,计算各部门(deptno)的职工人数。命令示例如下:
      select deptno, count(*) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | 6          |
      | 20         | 5          |
      | 30         | 6          |
      +------------+------------+
    • 示例3:通过distinct去重,计算部门数量。命令示例如下:
      select count(distinct deptno) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | 3          |
      +------------+

COUNT_IF

  • 命令格式
    bigint count_if(boolean <expr>)
  • 命令说明

    计算expr值为True的记录数。

  • 参数说明

    expr:必填。BOOLEAN类型表达式。当expr值为False或expr中指定的列的值为NULL时,该行不参与计算。

  • 返回值说明

    返回BIGINT类型。

  • 示例
    select count_if(sal > 1000), count_if(sal <=1000) from emp;
    返回结果如下:
    +------------+------------+
    | _c0        | _c1        |
    +------------+------------+
    | 15         | 2          |
    +------------+------------+

MAX

  • 命令格式
    max(<colname>)
  • 命令说明

    计算最大值。

  • 参数说明

    colname:必填。列值可以为任意类型。当colname值为NULL时,该行不参与计算。BOOLEAN类型不允许参与运算。

  • 返回值说明

    返回值的类型与colname类型相同。

  • 示例
    • 示例1:计算所有职工的最高薪资(sal)。命令示例如下:
      select max(sal) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | 5000       |
      +------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,计算各部门员工的最高薪资(sal)。命令示例如下:
      select deptno, max(sal) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | 5000       |
      | 20         | 3000       |
      | 30         | 2850       |
      +------------+------------+

MIN

  • 命令格式
    min(<colname>)
  • 命令说明

    计算最小值。

  • 参数说明

    colname:必填。列值可以为任意类型。当colname值为NULL时,该行不参与计算。BOOLEAN类型不允许参与计算。

  • 返回值说明

    返回值的类型与colname类型相同。

  • 示例
    • 示例1:计算所有职工的最低薪资(sal)。命令示例如下:
      select min(sal) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | 800        |
      +------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,计算各部门员工的最低薪资(sal)。命令示例如下:
      select deptno, min(sal) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | 1300       |
      | 20         | 800        |
      | 30         | 950        |
      +------------+------------+

MEDIAN

  • 命令格式
    double median(double <colname>)
    decimal median(decimal <colname>)
  • 命令说明

    计算中位数。

  • 参数说明

    colname:必填。列值可以为DOUBLE或DECIMAL类型。如果输入为STRING或BIGINT类型,会隐式转换为DOUBLE类型后参与运算。当colname值为NULL时,该行不参与计算。输入其它类型会返回报错。

  • 返回值说明

    返回DOUBLE或DECIMAL类型。

  • 示例
    • 示例1:计算所有职工的薪资(sal)中位数。命令示例如下:
      select median(sal) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | 1600.0     |
      +------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,计算各部门员工的薪资(sal)中位数。命令示例如下:
      select deptno, median(sal) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | 2450.0     |
      | 20         | 2975.0     |
      | 30         | 1375.0     |
      +------------+------------+

STDDEV

  • 命令格式
    double stddev(double <colname>)
    decimal stddev(decimal <colname>)
  • 命令说明

    计算总体标准差。

  • 参数说明

    colname:必填。DOUBLE或DECIMAL类型。如果输入为STRING或BIGINT类型,会隐式转换为DOUBLE类型后参与运算。当colname值为NULL时,该行不参与计算。输入其他类型会返回报错。

  • 返回值说明

    返回DOUBLE或DECIMAL类型。

  • 示例
    • 示例1:计算所有职工的薪资(sal)的总体标准差。命令示例如下:
      select stddev(sal) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | 1262.7549932628976 |
      +------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,计算各部门员工的薪资(sal)总体标准差。命令示例如下:
      select deptno, stddev(sal) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | 1546.1421524412158 |
      | 20         | 1004.7387720198718 |
      | 30         | 610.1001739241043 |
      +------------+------------+

STDDEV_SAMP

  • 命令格式
    double stddev_samp(double <colname>)
    decimal stddev_samp(decimal <colname>)
  • 命令说明

    计算样本标准差。

  • 参数说明

    colname:必填。列值可以为DOUBLE或DECIMAL类型。如果输入为STRING或BIGINT类型,会隐式转换为DOUBLE类型后参与运算。当colname值为NULL时,该行不参与计算。输入其它类型会返回报错。

  • 返回值说明

    返回DOUBLE或DECIMAL类型。

  • 示例
    • 示例1:计算所有职工的薪资(sal)的样本标准差。命令示例如下:
      select stddev_samp(sal) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | 1301.6180541247609 |
      +------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,计算各部门员工的薪资(sal)样本标准差。命令示例如下:
      select deptno, stddev_samp(sal) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | 1693.7138680032901 |
      | 20         | 1123.3320969330487 |
      | 30         | 668.3312551921141 |
      +------------+------------+

SUM

  • 命令格式
    sum(<colname>)
  • 命令说明

    计算汇总值。

  • 参数说明

    colname:必填。列值可以为DOUBLE、DECIMAL或BIGINT类型。如果输入为STRING类型,会隐式转换为DOUBLE类型后参与运算。当colname值为NULL时,该行不参与计算。BOOLEAN类型不允许参与计算。

  • 返回值说明

    输入BIGINT类型时,返回BIGINT类型。输入为DOUBLE或STRING类型时,返回DOUBLE类型。

  • 示例
    • 示例1:计算所有职工的薪资(sal)总和。命令示例如下:
      select sum(sal) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | 37775      |
      +------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,计算各部门员工的薪资(sal)总和。命令示例如下:
      select deptno, sum(sal) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | 17500      |
      | 20         | 10875      |
      | 30         | 9400       |
      +------------+------------+

WM_CONCAT

  • 命令格式
    string wm_concat(string <separator>, string <colname>)
  • 命令说明

    用指定的separator做分隔符,连接colname中的值。

  • 参数说明
    • separator:必填。STRING类型常量,分隔符。其他类型或非常量将返回报错。
    • colname:必填。STRING类型。如果输入为BIGINT、DOUBLE或DATETIME类型,会隐式转换为STRING类型后参与运算。输入其它类型会返回报错。
  • 返回值说明
    返回STRING类型。
    说明 select wm_concat(',', name) from table_name;语句中,如果table_name为空集合,该语句返回NULL值。
  • 示例
    • 示例1:对所有职工的姓名(ename)进行合并。命令示例如下:
      select wm_concat(',', ename) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | SMITH,ALLEN,WARD,JONES,MARTIN,BLAKE,CLARK,SCOTT,KING,TURNER,ADAMS,JAMES,FORD,MILLER,JACCKA,WELAN,TEBAGE |
      +------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,并将同组的职工姓名(ename)进行合并。命令示例如下:
      select deptno, wm_concat(',', ename) from emp group by deptno order by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | CLARK,KING,MILLER,JACCKA,WELAN,TEBAGE |
      | 20         | SMITH,JONES,SCOTT,ADAMS,FORD |
      | 30         | ALLEN,WARD,MARTIN,BLAKE,TURNER,JAMES |
      +------------+------------+
    • 示例3:与group by配合使用,对所有职工按照部门(deptno)进行分组,并将同组的薪资(sal)去重后进行合并。命令示例如下:
      select deptno, wm_concat(distinct ',', sal) from emp group by deptno order by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | 1300,2450,5000 |
      | 20         | 1100,2975,3000,800 |
      | 30         | 1250,1500,1600,2850,950 |
      +------------+------------+

MaxCompute 2.0扩展函数

升级到MaxCompute 2.0后,产品扩展了部分函数。如果您用到的函数涉及新数据类型(TINYINT、SMALLINT、INT、FLOAT、VARCHAR、TIMESTAMP或BINARY),在使用扩展函数时,需要执行如下语句开启新数据类型开关:
  • Session级别:如果使用新数据类型,您需要在SQL语句前加上语句set odps.sql.type.system.odps2=true;,并与SQL语句一起提交执行。
  • Project级别:Project Owner可根据需要对Project进行设置,等待10~15分钟后才会生效。命令如下。
    setproject odps.sql.type.system.odps2=true;
    setproject的详细说明请参见项目空间操作。关于开启Project级别数据类型的注意事项,请参见数据类型版本说明

ANY_VALUE

  • 命令格式
    any_value(<colname>)
  • 命令说明

    在指定范围内任选一个值返回。此函数为MaxCompute 2.0扩展函数。

  • 参数说明

    colname:必填。可以为任意类型。当值为NULL时,该行不参与计算。

  • 返回值说明

    返回值类型同colname对应值类型。

  • 示例
    • 示例1:在所有职工中任选一名。命令示例如下:
      select any_value(ename) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | SMITH      |
      +------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,并在各组中任选一名。命令示例如下:
      select deptno, any_value(ename) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | CLARK      |
      | 20         | SMITH      |
      | 30         | ALLEN      |
      +------------+------------+

ARG_MAX

  • 命令格式
    arg_max(<valueToMaximize>, <valueToReturn>)
  • 命令说明

    返回valueToMaximize最大值对应行的valueToReturn。此函数为MaxCompute 2.0扩展函数。

  • 参数说明
    • valueToMaximize:必填。可以为任意类型。
    • valueToReturn:必填。可以为任意类型。
  • 返回值说明

    返回值类型和valueToReturn类型相同。

  • 示例
    • 示例1:返回薪资最高的员工姓名。命令示例如下:
      select arg_max(sal, ename) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | KING       |
      +------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,并返回各组中薪资最高职工姓名。命令示例如下:
      select deptno, arg_max(sal, ename) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | KING       |
      | 20         | SCOTT      |
      | 30         | BLAKE      |
      +------------+------------+

ARG_MIN

  • 命令格式
    arg_min(<valueToMinimize>, <valueToReturn>)
  • 命令说明

    返回valueToMinimize最小值对应行的valueToReturn。此函数为MaxCompute 2.0扩展函数。

  • 参数说明
    • valueToMinimize:必填。可以为任意类型。
    • valueToReturn:必填。可以为任意类型。
  • 返回值说明

    返回值类型和valueToReturn类型相同。

  • 示例
    • 示例1:返回薪资最低的员工姓名。命令示例如下:
      select arg_min(sal, ename) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | SMITH      |
      +------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,并返回各组中薪资最低职工姓名。命令示例如下:
      select deptno, arg_min(sal, ename) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | MILLER     |
      | 20         | SMITH      |
      | 30         | JAMES      |
      +------------+------------+

APPROX_DISTINCT

  • 命令格式
    approx_distinct(<colname>)
  • 命令说明

    计算指定列的非重复值的近似数目。此函数为MaxCompute 2.0扩展函数。

  • 参数说明

    colname:必填。需要统计去重的列。

  • 返回值说明

    返回BIGINT类型,如果所有输入值都为空,则返回0。此函数会产生5%的标准误差。

  • 示例
    • 示例1:统计薪资(sal)列非重复值的近似数目。命令示例如下:
      select approx_distinct(sal) from emp;
      返回结果如下:
      +-------------------+
      | numdistinctvalues |
      +-------------------+
      | 12                |
      +-------------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,统计薪资(sal)列非重复值的近似数目。命令示例如下:
      select deptno, approx_distinct(sal) from emp group by deptno;
      返回结果如下:
      +------------+-------------------+
      | deptno     | numdistinctvalues |
      +------------+-------------------+
      | 10         | 3                 |
      | 20         | 4                 |
      | 30         | 5                 |
      +------------+-------------------+

COLLECT_LIST

  • 命令格式
    array collect_list(<colname>)
  • 命令说明

    colname指定的列值聚合为一个数组。此函数为MaxCompute 2.0扩展函数。

  • 参数说明

    colname:必填。表的列名称,可为任意类型。

  • 返回值说明

    返回ARRAY类型。

  • 示例
    • 示例1:将所有职工薪资(sal)聚合为一个数组。命令示例如下:
      select collect_list(sal) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | [800,1600,1250,2975,1250,2850,2450,3000,5000,1500,1100,950,3000,1300,5000,2450,1300] |
      +------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,并将同组的职工薪资(sal)聚合为一个数组。命令示例如下:
      select deptno, collect_list(sal) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | [2450,5000,1300,5000,2450,1300] |
      | 20         | [800,2975,3000,1100,3000] |
      | 30         | [1600,1250,1250,2850,1500,950] |
      +------------+------------+
    • 示例3:与group by配合使用,对所有职工按照部门(deptno)进行分组,并将同组的职工薪资(sal)去重后聚合为一个数组。命令示例如下:
      select deptno, collect_list(distinct sal) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | [1300,2450,5000] |
      | 20         | [800,1100,2975,3000] |
      | 30         | [950,1250,1500,1600,2850] |
      +------------+------------+

COLLECT_SET

  • 命令格式
    array collect_set(<colname>)
  • 命令说明

    colname指定的列值聚合为一个无重复元素的数组。此函数为MaxCompute 2.0扩展函数。

  • 参数说明

    colname:必填。表的列名称,可以为任意类型。

  • 返回值说明

    返回ARRAY类型。

  • 示例
    • 示例1:将所有职工薪资(sal)聚合为一个无重复值的数组。命令示例如下:
      select collect_set(sal) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | [800,950,1100,1250,1300,1500,1600,2450,2850,2975,3000,5000] |
      +------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,并将同组的职工薪资(sal)聚合为一个无重复值的数组。命令示例如下:
      select deptno, collect_set(sal) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | [1300,2450,5000] |
      | 20         | [800,1100,2975,3000] |
      | 30         | [950,1250,1500,1600,2850] |
      +------------+------------+

NUMERIC_HISTOGRAM

  • 命令格式
    map<double key, double value> numeric_histogram(bigint <buckets>, double <colname>)
  • 命令说明

    统计指定列的近似直方图。此函数为MaxCompute 2.0扩展函数。

  • 参数说明
    • buckets:必填。BIGINT类型,表示返回的近似直方图列的最大个数。
    • colname:必填。DOUBLE类型,需要统计近似直方图的列。
  • 返回值说明

    map<double key, double value>类型,返回值中key是近似直方图的X轴坐标点,value是近似直方图的Y轴的近似高度。

  • 示例
    统计薪资(sal)的近似直方图。命令示例如下:
    select numeric_histogram(5, sal) from emp;
    返回结果如下:
    +------------+
    | _c0        |
    +------------+
    | {"1328.5714285714287":7.0,"2450.0":2.0,"5000.0":2.0,"875.0":2.0,"2956.25":4.0} |
    +------------+

PERCENTILE_APPROX

  • 命令格式
    double percentile_approx (double <colname>, <p> [, <B>])) 
    --以数组形式返回多个百分位近似计算结果。
    array<double> percentile_approx (double <colname>, array(<p1> [, <p2>...]) [, <B>])
  • 命令说明

    计算近似百分位数,适用于大数据量。先对指定列降序排列,然后取第p位百分数对应的值。percentile_approx是从编号1开始计算,例如某列数据为100、200、300,列数据的编号顺序为1、2、3,计算该列的0.6百分位点,percentile_approx结果是3×0.6=1.8,即值位于编号1和2之间,结果为100+(200-100)×0.8=180。此函数为MaxCompute 2.0扩展函数。

    说明 percentile_approxpercentile的区别如下:
    • percentile_approx用于计算近似的百分位数,percentile用于计算精确的百分位数。在数据量较大时,percentile可能会因内存限制而执行失败,而percentile_approx无此问题。
    • percentile_approx的实现与Hive的percentile_approx函数实现一致,计算的算法与percentile不同,因此在数据量非常少的部分场景下的执行结果与percentile的执行结果会有一定差别。
  • 参数说明
    • colname:必填。值为DOUBLE类型的列。
    • p:必填。需要近似的百分位数。取值为[0.0,1.0]
    • B:精度参数。精度越高产生的近似值误差越小。如果不设置该参数,默认值为10000。当colname中值的数目小于B时,将给出精确的百分位值。
  • 返回值说明

    返回DOUBLE或ARRAY类型。

  • 示例
    • 示例1:计算0.3百分位的薪资(sal)。命令示例如下:
      select percentile_approx(sal, 0.3) from emp;
      返回结果如下:
      +------------+
      | _c0        |
      +------------+
      | 1252.5     |
      +------------+
    • 示例2:与group by配合使用,对所有职工按照部门(deptno)进行分组,并计算同组职工0.3百分位的薪资(sal)。命令示例如下:
      select deptno, percentile_approx(sal, 0.3) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | 1300.0     |
      | 20         | 950.0      |
      | 30         | 1070.0     |
      +------------+------------+
    • 示例3:与group by配合使用,对所有职工按照部门(deptno)进行分组,并计算同组职工0.3、0.5、0.8百分位的薪资(sal)。命令示例如下:
      select deptno, percentile_approx(sal, array(0.3, 0.5, 0.8), 1000) from emp group by deptno;
      返回结果如下:
      +------------+------------+
      | deptno     | _c1        |
      +------------+------------+
      | 10         | [1300.0,1875.0,3470.000000000001] |
      | 20         | [950.0,2037.5,2987.5] |
      | 30         | [1070.0,1250.0,1580.0] |
      +------------+------------+